No último mês, tenho tentado fazer algo que, como se viu, é muito mais difícil do que escrever código.

Inventar um bom produto.

Não apenas uma ideia interessante que parece legal para um desenvolvedor, mas um produto para o qual existe um mercado real e as pessoas estão dispostas a pagar.

E quanto mais penso nisso, mais me convenço: muitas vezes escrever um MVP é mais fácil do que entender o que exatamente precisa ser escrito.

Tudo começou com a transcrição

Inicialmente, eu queria fazer um serviço para transcrição de áudio e vídeo.

A ideia parecia bastante lógica: você carrega um vídeo, recebe a transcrição em texto em um formato conveniente e, em seguida, com um botão, faz um resumo curto do conteúdo.

Além disso, a demanda por esse serviço realmente existe. Por exemplo, a consulta "vídeo para texto" no Yandex Wordstat mostra cerca de 30 mil consultas por mês.

Eu até consegui codificar rapidamente o primeiro MVP: fiz o site, o backend e conectei minhas redes neurais.

Parecia que era o produto.

Mas quando comecei a olhar mais de perto para o mercado, tive a sensação de que cheguei um pouco atrasado. Já existe uma quantidade enorme de serviços de transcrição, e muitos deles fazem praticamente a mesma coisa.

E comecei a me fazer uma pergunta bastante desagradável:

Por que alguém precisaria de mais um transcritor?

Podemos deixar a interface mais bonita, adicionar mais uma rede neural ou criar algumas funções adicionais. Mas tudo isso já começava a parecer uma tentativa de justificar a ideia escolhida, e não uma busca por uma necessidade real.

Da transcrição de texto aos vídeos curtos

Em algum momento, comecei a pensar não na transcrição em si, mas no que as pessoas fazem com o texto obtido em seguida.

Foi assim que cheguei aos vídeos curtos.

Reels, Shorts, TikTok e outros formatos verticais há muito transformaram as legendas em um elemento de design separado. Não é mais apenas texto na parte inferior da tela.

Palavras grandes, destaque de frases individuais, animação, alteração de tamanho e cor, posicionamento do texto próximo a objetos no quadro — tudo isso ajuda a manter a atenção do espectador.

Foi assim que surgiu a ideia de fazer um serviço não para transcrição, mas para criar e editar legendas chamativas para vídeos curtos.

E isso já é um produto completamente diferente.

No início, a ideia parecia simples: reconhecer a fala, obter os timecodes e dar ao usuário um editor conveniente.

Mas quanto mais eu pensava nisso, mais possibilidades surgiam:

• detectar objetos no quadro e não sobrepô-los com legendas;
• destacar automaticamente palavras importantes;
• adicionar animações;
• escolher o estilo de acordo com o vídeo específico;
• encontrar momentos que merecem destaque visual.

E então a imaginação do desenvolvedor começa a acelerar: B-roll, edição automática, sincronização labial, trabalho com a trilha de áudio, edição de vídeo com agente de IA.

Em algum momento, percebi que assim é muito fácil inventar um produto com cinco anos de antecedência.

Por isso, decidi parar e começar com algo muito mais simples:

Fazer um editor de legendas decente.

O que aconteceu

Foi assim que surgiu meu primeiro SaaS — Captions Space.

A ideia principal do serviço é simples: carregar um vídeo, obter legendas automaticamente e rapidamente deixá-las com uma aparência adequada.

O serviço reconhece a fala e cria legendas com timecodes. Depois disso, o vídeo pode ser aberto no editor.

Se o reconhecimento errou em algum lugar, o texto pode ser corrigido imediatamente. Se a legenda aparece cedo demais ou tarde demais — altere o timing.

Ou seja, a IA faz a parte rotineira do trabalho, e a pessoa verifica e edita rapidamente o resultado.

E para mim, esse é um princípio bastante importante do produto:

A IA não precisa necessariamente fazer tudo sozinha. Às vezes, é mais útil automatizar 80% do trabalho chato e deixar os últimos 20% para a pessoa, onde são necessários controle e tomada de decisões.

Por que um editor de texto comum não é suficiente

Uma parte separada do projeto é o design.

Se você olhar para Reels e Shorts populares, fica perceptível que as legendas muitas vezes são uma parte completa do estilo visual do vídeo.

Portanto, não basta apenas dar ao usuário a capacidade de corrigir o texto.

É preciso gerenciar a fonte, o tamanho, a cor, o destaque de palavras, o fundo, o contorno, o número de linhas e a posição do texto. Ao mesmo tempo, é improvável que alguém queira configurar tudo do zero para cada vídeo.

Por isso, adicionei estilos prontos:

• Minimal — uma opção simples e minimalista;
• Beauty — um estilo mais expressivo;
• Business — um design contido para conteúdo de negócios.

Você escolhe a opção adequada, se necessário altera algo — e pode continuar o trabalho.

No final, o cenário básico fica assim:

Vídeo → reconhecimento → legendas → edição → design → vídeo final.

A parte mais difícil é parar na hora certa

Por enquanto, esta é apenas a primeira versão do produto.

Eu deliberadamente tento não transformá-lo em um canivete suíço com centenas de funções de IA, embora a tentação seja muito grande.

Se você começar a olhar para o vídeo como um conjunto de dados, as possibilidades são realmente enormes:

• analisar não apenas a fala, mas também a imagem;
• entender o que está no quadro;
• determinar a posição da pessoa;
• escolher um espaço livre para as legendas;
• levar em conta o contexto do que foi dito;
• mudar o design dependendo do conteúdo;
• encontrar momentos importantes;
• adicionar B-roll.

No futuro, seria possível abandonar completamente o editor de vídeo clássico e dar ao usuário a capacidade de simplesmente escrever:

"Transforme este vídeo em um Reels dinâmico no estilo do meu canal".

E então obter o resultado final.

Mas isso já é a próxima etapa.

Agora estou muito mais interessado em testar uma hipótese mais simples:

As pessoas precisam de uma ferramenta conveniente para criar e editar legendas?

Porque é aqui que começa o produto de verdade. Não com a quantidade de funções de IA, mas com o fato de ele resolver um problema específico e se as pessoas estão dispostas a voltar a ele novamente.

Então, por enquanto, estou apenas fazendo, experimentando e vendo o que vai dar.

Este é meu primeiro SaaS independente, e eu mesmo estou interessado em percorrer todo o caminho: da ideia e das primeiras linhas de código aos primeiros usuários e, possivelmente, ao primeiro dinheiro.

Se você já criou seu próprio SaaS ou lançou um MVP, conte nos comentários: como você percebeu que encontrou uma necessidade real, e não apenas uma ideia interessante para si mesmo?

Você pode acompanhar o desenvolvimento do projeto no meu canal do Telegram: @imironov

O projeto em si: Captions Space